Застосування штучного інтелекту та нечіткої логіки для оцінювання правових ризиків кадрових рішень у системі кадрового менеджменту
Юрій Гусак, Денис Володимирович Кандуєв · Journal of Scientific Papers Social development & Security · 2026
Мета дослідження. Розробити гібридну модель застосування штучного інтелекту та нечіткої логіки для оцінювання правових ризиків кадрових рішень у системі правового забезпечення кадрового менеджменту. Методи дослідження. Використано системний аналіз, логіко-предикатне моделювання, ризик-орієнтований підхід, нечітку логіку, правила Mamdani, дефазифікацію методом центру ваги, технології обробки природної мови, Retrieval-Augmented Generation, машинне навчання, експертні системи, графи знань і концепцію Human-in-the-Loop. Результати дослідження. Запропоновано архітектуру інтелектуальної системи оцінювання правових ризиків кадрових рішень, що поєднує модулі обробки кадрових даних, пошуку нормативних підстав, LLM/RAG-аналізу, експертну базу правил, граф знань, нечітку систему Mamdani, машинне навчання, засоби пояснюваності та людський контроль. Вхідними змінними визначено повноту документів, дотримання процедури, підтвердженість повноважень, непорушення прав особи та захист персональних даних. На умовному прикладі показано зниження інтегрального правового ризику з (R_{legal}=0{,}50) до (R_{legal}=0{,}396) після покращення документального забезпечення та процедури. Практична цінність дослідження. Модель може використовуватися для попереднього оцінювання кадрових рішень і формування пояснюваних рекомендацій за обов’язкового людського контролю. Обмеження/майбутні дослідження. Модель має концептуально-методичний характер. Функції належності потребують валідації на реальних кадрових кейсах, а демонстраційна база правил Mamdani — це розширення для різних типів кадрових рішень. Подальші дослідження передбачають створення програмного прототипу, формування датасету кадрово-правових кейсів та тестування точності AI-модулів. Тип статті: методична.
Cited by 0 works. doi:10.33445/sds.2026.16.4.15 Open-access PDF